[发明专利]疾病风险预测模型的建立方法和疾病保险产品的推荐方法

权利要求书

1.一种疾病风险预测模型的建立方法，其特征在于，所述建立方法包括：

获取预设地区医保参保人员的历史诊疗数据；

按照性别、预设年龄区间、以及预设对照比例对所述历史诊疗数据进行分类抽样处理以得到样本数据集，所述样本数据集包括预设重疾的阳性样本数据和阴性样本数据，所述预设对照比例为所述预设重疾的阳性样本数量和阴性样本数量之间的比值，每个样本数据均包括每个样本在预设时间范围内的历史疾病诊断编码信息和就诊行为信息，其中，所述预设对照比例设置为

对所述样本数据集进行剔除无效数据的预处理，并根据对应的疾病属性和病灶部位对预处理后的样本数据集中所有样本各自对应的历史疾病诊断编码信息进行聚类，得到对应的疾病聚类特征标签；

采用预设特征选择算法对所述疾病聚类特征标签进行筛选，以得到所述预设重疾对应的重疾聚类特征标签；

根据所述重疾聚类特征标签、性别、年龄和所述就诊行为信息，并结合极端梯度提升算法建立所述预设重疾对应的疾病风险预测模型。

2.根据权利要求1所述的建立方法，其特征在于，所述按照性别、年龄、以及预设对照比例对所述历史诊疗数据进行分类抽样处理以得到样本数据集的步骤包括：

按照性别和预设年龄区间均相同的规则将所述历史诊疗数据分别进行分类，得到初始数据集；

按照预设对照比例，从所述初始数据集中分别筛选出预设重疾的第一预设数量的阳性样本数据以及第二预设数量的阴性样本数据，所述第一预设数量与所述第二预设数量的比值等于所述预设对照比例；

根据所述阳性样本数据和所述阴性样本数据得到对应的样本数据集。

3.根据权利要求1所述的建立方法，其特征在于，所述建立方法还包括：

结合所述预设重疾本身所对应的相关前序疾病，对所述重疾聚类特征标签进行再次筛选；

根据再次筛选后的重疾聚类特征标签、性别、年龄和所述就诊行为信息，并结合极端梯度提升算法建立所述预设重疾对应的疾病风险预测模型。

4.一种疾病保险产品的推荐方法，其特征在于，采用权利要求1至3中任一项所述的疾病风险预测模型，所述推荐方法包括：

获取疾病保险投保人的基础数据；

根据所述基础数据以及所述疾病风险预测模型为所述疾病保险投保人进行预测，得到对应的疾病风险预测结果；

根据所述疾病风险预测结果为所述疾病保险投保人推荐对应的疾病保险产品。

5.一种疾病保险产品的设计方法，其特征在于，采用权利要求1至3中任一项所述的疾病风险预测模型，所述设计方法包括：

根据所述疾病风险预测模型，对所述预设地区的医保参保人员分别进行疾病风险预测，得到对应的疾病风险预测概率；

根据所述疾病风险预测概率、性别和年龄生成对应的疾病保险产品费率表，根据所述疾病保险产品费率表设计对应的疾病保险产品。

6.根据权利要求5所述的设计方法，其特征在于，所述根据所述疾病风险预测概率、性别和年龄生成对应的疾病保险产品费率表的步骤包括：

根据所述疾病风险预测概率将所述预设地区的医保参保人员划分为多个风险等级人群；

根据各个风险等级人群各自对应的疾病发生概率分布，并将各个风险等级人群按照性别和年龄进行区间划分，生成对应的疾病保险产品费率表。